在急性淋巴细胞白血病患者的死亡率和复发的预后因素的基于机器学习的评估:一个比较的模拟研究
Zahra Mehrbakhsh1,2, Roghayyeh Hassanzadeh1,2, Nasser Behnampour3
1Department of Biostatistics, School of Public Health, Hamadan University of Medical Sciences, Hamadan, Iran.
BMC medical informatics and decision making
|September 16, 2024
概括
机器学习模型可以预测急性淋巴细胞白血病 (ALL) 的儿童的死亡率和复发率. 关键因素包括年龄,血红蛋白和血小板,指导治疗决策以获得更好的结果.
科学领域:
- 儿科瘤学 儿科瘤学
- 计算生物学 计算生物学
- 生物统计学 生物统计学
背景情况:
- 急性淋巴细胞白血病 (ALL) 是儿童癌症死亡率和复发的主要原因.
- 准确预测结果对于量身定制儿科ALL治疗策略至关重要.
- 机器学习为改善这个患者群体的预后准确性提供了潜力.
研究的目的:
- 应用和评估机器学习 (ML) 模型来预测儿科ALL患者的死亡率和复发.
- 确定影响这一群体生存和复发的关键预后因素.
- 评估各种ML算法的性能,以预测准确度.
主要方法:
- 对161名患有ALL的16岁以下儿童进行了回顾性队列研究.
- 利用十个ML算法来预测死亡率和复发.
- 使用交叉验证评估的性能,报告准确性,敏感性,特异性和AUC.
主要成果:
- 对于死亡率预测,ML模型的准确性在64-74%之间;对于复发,64-84%.
- 死亡率和复发预测的平均AUC均超过64%.
- 诊断时的年龄,血红蛋白和血小板是主要的预后因素;腹壮大,肝壮大和淋巴腺病也预测了死亡率.
结论:
- 人工神经网络和包装算法在预测死亡率方面表现出卓越的表现.
- 提升和随机森林算法在预测复发方面表现出卓越的优势.
- 这些发现为儿童ALL的预后评估和治疗优化提供了关键的临床见解.
关键词:
急性淋巴细胞白血病 (Acute Lymphoblastic Leukemia) 是一种急性淋巴细胞白血病.分类 分类 分类 分类.数据挖掘是一种数据挖掘.机器学习 机器学习死亡率 死亡率 死亡率复发复发的情况更多相关视频
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
13.9K
07:35Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
Published on: October 11, 2018
7.4K
